基于图像语义的弱监督显著性物体检测
为了减少显著性物体检测对像素级标签的依赖,提出了一种基于图像语义的弱监督显著性物体检测方法.利用鱼网络和注意力机制的组合模型,在图像语义热力映射图的基础上,对弱标签采用余弦相似度进行训练更新,同时在网络训练初期采用训练诱导策略,利用简单数据集对整个网络进行诱导训练,使其具有一定的能力.然后,经过不断地增加数据集的复杂性,使得网络提取特征的能力越来越强.在4个显著性检测数据集上进行实验,并与传统监督方法进行对比分析,实验结果表明,该方法的F-MAX值在各个数据集上平均提高0.03~0.08,MAE减少0.02~0.05,在较弱的监督标签下能更精确地提取图像中的显著性特征.
组合模型、语义映射图、余弦相似度、诱导训练
33
TP391.41(计算技术、计算机技术)
国家自然科学基金;辽宁省高等学校创新人才支持计划;大连民族大学服务国家战略专项
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
270-277